一、用频谱分析法正确处理电动机振动故障（论文文献综述）
孔晨再[1]（2021）在《矿用异步电机故障诊断研究》文中研究指明随着中国制造2025战略的实施,以及我国智慧矿山建设的不断推进,井下机电设备联系日渐紧密,并向着自动化、智能化的方向快速发展,这对煤矿的安全生产提出更高的要求。异步电机作为煤矿作业的核心驱动力,其能否在恶劣的环境下可靠工作将会直接影响到生产的稳定性。开展井下异步电机故障诊断研究对发现电机早期故障、防止故障范围扩大、保障煤矿的高效生产具有重要意义。本文首先从电磁学角度对异步电机转子断条故障、静态气隙偏心故障、动态气隙偏心故障进行故障机理分析,总结出每种故障状态反应在定子电流中的特征频率;利用ANSYS软件对井下防爆电机进行故障建模,获取仿真定子电流数据。通过对仿真定子电流进行频谱分析,验证了故障机理分析的正确性,同时也为后续算法和仿真提供了数据支撑。其次,由于傅里叶分析难以刻画非平稳信号的局部特性,本文采用改进的经验模态分解法（MEEMD）对故障特征进行提取,利用MEEMD算法将电机定子电流信号分解为一系列本征模态函数（IMF）;通过相关系数法,选取故障信息最丰富的IMF分量,并计算其能量熵来构造故障特征向量;将故障特征向量输入前馈型神经网络（BPNN）中进行学习训练并完成故障类型的识别,仿真结果表明本文采用的MEEMD-BPNN算法可实现对异步电机处于正常、转子断条、气隙偏心等状态的准确识别,综合识别率达99.25%。相较于EEMD-BPNN法,MEEMD-BPNN法减少了虚假分量、降低了训练的迭代次数,计算精度提高了 4.25%;相较于MEEMD-SVM法,计算精度提高了 3.75%。最后,以STM32F429芯片为核心,对矿用异步电机故障诊断系统总体方案进行设计,包括信号采集与调理电路、模数转换电路、通信电路等外围硬件电路,并针对硬件模块给出了软件设计思路,采用基于STM32CubeMX软件的代码优化方案,通过其中的AI工具包实现了 BPNN的嵌入式移植,显着提高了开发效率;设计并搭建了故障电机实验平台,通过多个角度对实验数据分析,进一步验证了故障机理以及MEEMD-BPNN算法的可行性。
籍超男[2]（2020）在《基于MCSA与高阶谱的异步电机故障诊断方法研究》文中进行了进一步梳理随着现代化进程的飞速发展,异步电机在企业工厂和居民的正常生活中几乎随处可见。其一旦发生故障,势必会给各个行业乃至整个社会的正常生产生活带来重大损失。所以,实时有效地对异步电机的工作状况做出监测和诊断存在十分重大的意义。异步电机定子侧电流信号因定子匝间短路和转子断条故障的发生而呈现出非平稳和非高斯特性,使得传统频谱分析方法无法准确提取信号中的故障特征,出现频谱泄漏、频率分辨率低等问题。针对上述问题,本文通过研究异步电机发生定子匝间短路和转子断条故障时的故障产生机理,提出了基于电机定子电流分析法与高阶谱的异步电机故障诊断方法。搭建异步电机故障模拟实验平台,采集电机定子绕组线圈发生不同程度的匝间短路故障时的定子电流信号,利用双谱的一维Fourier变换获得双谱的切片图进行信号的故障特征频率提取,对比理论计算结果验证了双谱估计法在电机定子绕组线圈匝间短路故障检测中的适用性。同样实验条件下,针对电机转子断条故障,引入VMD结合FFT算法的故障检测方法并与双谱估计方法进行故障检测结果对比,发现基于双谱估计的转子断条故障检测方法能够克服传统频谱分析方法在电机负载状态为空载或轻载时无法准确提取故障特征频率的问题,同时,在非轻载状态下,分析两种信号处理方法提取的故障特征,对比发现通过双谱估计方法提取的故障特征相较于VMD结合FFT算法的频谱分析方法具有更加突出、明显的优势;此外通过仿真结果显示在负载呈现突变状态时,双谱估计方法同样具有良好的适用性。在前文研究的基础上,应用基于支持向量机（SVM）的异步电机定、转子故障识别方法,通过研究支持向量机的分类原理,选择电机不同状态下定子电流信号双谱切片图中包含故障信息的频段,计算频段能量与切片谱总能量的比值作为电机不同运行状态下的特征值输入到SVM中。再通过选定合适的核函数及其参数,通过该方法对电机故障分类,其准确率可达96.05%,结果表明了基于SVM分类器对于电机故障诊断的可用性。图[40]表[9]参[50]
吕轩[3]（2020）在《齿轮传动系统复合故障诊断技术研究》文中研究指明齿轮传动系统是现代机械中主要的动力传递系统,经常工作在恶劣的内、外环境中。齿轮和轴承作为齿轮传动系统的核心零件容易发生故障,若故障未能被及时发现,往往引发其他齿轮或轴承的故障而发展成为复合故障,复合故障难以完全识别。对齿轮和轴承复合故障诊断方法开展研究,对全面、准确诊断复合故障,保障设备平稳运行,减少损失具有重要的理论价值和应用价值。本文以齿轮传动系统复合故障诊断为研究对象,研究适用于齿轮和轴承复合故障的诊断方法。主要研究工作如下:采用集中质量法建立两级平行轮系和一级行星轮系组成的多级齿轮传动系统的正常状态和复合故障动力学模型,用时变啮合刚度对正常状态、齿根裂纹和单齿断齿故障进行描述。通过对动力学微分方程求解得到正常状态和复合故障状态的仿真振动信号。通过将正常状态仿真信号与实测信号对比分析,验证了动力学模型的合理性;通过将故障信号与正常状态信号进行对比分析,得到了齿根裂纹-单齿断齿复合故障状态的故障特征。提出了经验小波变换和最大相关峭度反褶积相结合的方法（EWT-MCKD）用于滚动轴承复合故障诊断。发挥经验小波变换和最大相关峭度反褶积各自优势,分别将其作为故障信号的前处理和后处理方法,对轴承复合故障仿真信号,行星轮轴承外圈故障-行星轮轴承滚动体故障实测信号进行分析,实现对仿真信号中两种不同频率的故障的提取和实测信号中两种不同轴承故障的识别。提出了基于量子遗传算法自适应选择最大相关峭度反褶积参数的方法（QGAMCKD）用于改善最大相关峭度反褶积的性能,并应用于齿轮-轴承复合故障诊断。利用量子遗传算法在参数自适应选择上的优势,在考虑滤波器长度和反褶积周期交互作用的前提下使用量子遗传算法自适应对两个参数进行选择。对仿真信号和实测信号的分析表明,通过量子遗传算法对参数进行自适应选择能够得到最优的参数组合,改善最大相关峭度反褶积的性能,实现复合故障的准确判别。尝试将Wilcoxon秩和检验引入故障诊断领域,并对方法在故障诊断中的应用做了初步探索。提出了一种基于Wilcoxon秩和检验的模式识别方法用于齿轮传动系统故障诊断。使用本文提出的特征提取方法:Wilcoxon秩和检验-最大幅值选择法对训练样本和测试样本进行特征提取;使用K近邻方法做为分类器,对测试样本进行故障类型分类和识别。将该方法用于实测信号的分析,实现了对5种不同类型的齿轮-轴承故障的诊断。
郭小帅[4]（2020）在《电动机及离心泵组在线监测与故障诊断方法研究》文中认为在石油化工行业中,机泵装置在整个系统当中占有非常重要的地位,可以说是“装置的心脏”。机泵设备为介质输送提供动力,而输送的介质往往是高温高压、腐蚀、有毒性、易燃易爆等特点,一旦机泵设备在运行过程中出现问题,会造成一系列严重后果,轻则造成经济损失、环境污染,重则可能导致人身伤亡等灾难性后果。因此,对电动机及离心泵实施在线监测及故障诊断很有必要。本文主要对电动机转子断条故障进行了研究、对离心泵入口处的三通过滤器内流体的流动状态进行了模拟分析、针对某电厂离心泵振动过大的问题,分析了产生振动的原因,给出了治理建议。（1）针对电动机转子断条故障,通过搭建电动机故障诊断实验台,模拟电动机转子断条故障。在空载状态和满载状态下分别获取了正常电机、断条电机的定子电流信号和振动信号。对采集到的信号分析处理后得知:电动机在空载情况下运行时,外界因素对电机的影响比较小,相比于电流信号,振动信号更能明显地识别出电动机转子断条故障特征频率。当电动机在满载状态下运行时,由于电动机受到负载、电压、噪声信号等的影响,故障电机的振动信号频率成分变得非常复杂,故障特征频率很难被区分开来,很容易对电机故障识别造成误判。但是电流信号能很清楚的辨别出电动机转子断条故障,并且故障特征频率明显。（2）主要对三通过滤器进行了实体建模,然后将模型导入到ANSYS Fluent中进行处理,抽取流体域。在Mesh中对抽取的流体域进行网格划分。设置好边界条件后,模拟了在不同流速下,对流体经过过滤器时的速度场和压力场进行了分析,可知当介质经管道进入过滤器后,流体在过滤器滤网处产生了漩涡。在过滤器直角弯处,流体流向发生了突变,并且由于直角弯处过滤网的过流面积突然减小,使得经过此处的流体的流动速度突然增大,流动方向发生了严重絮乱,流体在此处形成了不稳定流动。在三种流速下,截面的压力梯度变化趋势相同,过滤器入口处压力最大,在流经过滤器滤网附近的压力最小,入口流速不同,过滤器内外压强差也不同,流速越大,压强差越大。（3）对某电厂脱硫泵在运行过程中振动过大的原因进行了分析。分析指出造成泵体振动的主要原因是流体激振引起的,并给出了相应的解决措施。
王卫成[5]（2020）在《车用微特电机的振动噪声分析及优化》文中进行了进一步梳理车内声学舒适性的好坏是消费者挑选购买汽车的重要考虑因素,也是评价车辆品质的重要指标之一。经过学者,企业工作者多年研究努力,困扰人们多年的主要振动噪声源已得到控制。近年来,车内的次要噪声源逐渐受到人们重视。本论文以典型的微特电机为载体,通过振动噪声试验分析研究其振动噪声特性,并分析了引起电机振动噪声的相关影响因素,为将来解决电机振动噪声问题提供重要参考。本文以某企业生产的微特电机,开展了电机的振动噪声问题研究,主要工作如下:1)系统地介绍了微特电机在汽车上应用及电机结构,研究了微特电机振动机理。介绍了微特电机振动噪声的种类,声学评价指标和分析方法。2)对于某款雨刮电机的噪音异响问题,实车试验采集了整车上雨刮电机在低速湿刮条件下的声音频谱和实验室电机振动噪声等,进行交叉试验和频谱分析,确认了导致主观评价噪声大的零部件。通过调整制造工艺参数和压装方式,从而改善了振动噪声问题。3)对于某款座椅电机的振动噪声问题,进行了主观噪声评价。进一步通过更换转子进行交叉试验,发现该异响与转子有关。分析发现轴跳动不满足规范要求,导致座椅电机产生了异响。4)对于某款天窗电机的振动噪声问题,进行主观评价和客观噪声测试,通过振动试验分析,发现该电机在加载正转工况时发出“哒哒”声。更换零件进行了交叉对比测试,发现齿轮的齿牙表面损伤和异响有很大关系。本文通过对几种车用微型电机的振动噪声分析,找到了造成电机异响的的影响因素,从而解决了电机振动噪声问题。基于导致电机产生噪声的影响因素,从设计和生产的角度提出了预防措施。
吴立泉[6]（2020）在《基于感应电机参数辨识的转子断条与偏心故障诊断方法》文中提出感应电机应用在工农业、国防、交通运输以及生活的多个方面。当前社会在大力倡导使用高效节能的电机,而电机出现故障或是缺陷不仅会造成生产设备的不正常运行,导致生产过程的中止,在演化成故障停机之前还会造成电机运行在中低能效状态,导致能源的额外损耗。若是能及时发现电机存在异常,并对其未来状态进行预测,从而对电机进行维修或是尽早调整生产规划,则可以最大限度地降低损失。感应电机各故障类型出现几率的统计数据表明,转子断条和气隙偏心出现几率一共约为22%。本文基于参数辨识的思想,推导了感应电机转子断条和气隙偏心故障模型,并用于电机早期故障诊断。感应电机多回路模型为转子断条和气隙偏心故障建模提供了便利。本文运用多回路模型详细分析了感应电机正常、转子断条和气隙偏心下的定转子电流稳态特征。为解决多回路模型参数多、计算量大以及故障早期参数变化特征不明显的问题,结合坐标变换思想,构造变换矩阵实现对多回路模型的转换。详细推导了经变换得到的转子断条和气隙偏心故障模型。基于得到的故障模型,将其方程形式与正常模型进行统一,分析了等效参数与输入三相电压初相角之间的关系表达式,从而对故障状态下的等效参数特征进行提取,根据该特征来诊断电机运行状态。以带恒转矩负载的11k W电机和带恒功率负载的18.5k W电机进行算例验证。通过多回路模型得到电机故障数据,运用粒子群-模拟退火交替算法,将电机故障数据应用于故障模型中进行参数辨识。详细分析了故障特征等效参数与故障类型间的关系,证明了基于本文推导得到的电机故障模型进行参数辨识来诊断感应电机早期故障的可行性。最后通过22kW实例电机数据进行了实验验证。
张慧桢[7]（2020）在《基于自混合光栅干涉的电机电气故障检测研究》文中进行了进一步梳理作为人们生产生活中密不可分的电气设备,电机的正常运作保障着整个生产、生活等系统的正常运行,电机的在线监测非常重要。在电机故障检测方法中,定子电流法虽然是监测电机常用的方法,然而在一些故障下,其主要特性频率可能与基频相似,特征频率无法分辨,导致电机的故障特性不明显。电机在正常运行和故障中会发生不同程度的振动,其振动幅值和频谱成分均有不同。几乎所有电机故障都通过振动显示,因而振动可以客观地反映电机故障,并且更适合于监测电机故障。为了提高测量技术的抗干扰能力,本文在SMGI（自混合光栅干涉技术）的基础上,提出了基于差分技术的SMGI的振动测量。并将该技术应用在电机的电气故障测量中,以解决电机检测时存在受环境干扰大的缺陷,提高故障诊断的准确率,具有一定的应用价值。本论文的主要研究内容有:首先,分析了电机电气故障类型、检测方法的原理和故障诊断机理。分别从定子绕组匝间故障机理分析、转子断条故障机理分析、缺相运行故障机理分析进行电机的故障振动检测技术的研究。然后,利用三镜法布里-珀罗（F-P）腔的理论模型,分析了SMI（自混合干涉）的数学模型,获得了SMI的频率公式和功率方程,从中推导出与目标物体有关的运动信息。为了减小外界温度变化对测量精度的影响,将光栅引入SMI测量装置中。并对SMGI的数学模型进行了分析,从理论上证明该方法的条纹分辨率和光栅的栅距有关,通过仿真和实验证明了SMGI的一个条纹变化对应于一个光栅的栅距。其次,为了使信号拥有更高的质量以及信噪比,提出了基于差分技术的SMGI振动测量技术。使用两个PD接收并监测输出的光功率变化,一部分光通过光栅反射回到激光器的内部腔中,由激光器内部探测器PD1接收,另一部分光经过光栅发生二阶衍射经由外部探测器PD2接收。两个PD接收的信号进行差分处理,获得消噪后的干涉信号。理论分析和实验表明差分信号可以消除信号中的共模噪声,并且可以增大信号的信噪比以及信号质量。最后,搭建电机电气故障实验检测装置,把基于差分技术的SMGI振动测量技术应用电机电气故障检测。分别进行定子绕组匝间故障、转子断条故障、缺相运行故障进行电机电气故障振动检测技术实验。实验结果证实了将该方法应用于电机故障测量中的可行性。
赵阳[8]（2020）在《基于改进经验小波变换的风电机组齿轮箱故障诊断》文中认为风能是一种利用潜力巨大的清洁能源,风电机组是风力发电必不可少的设备,风电机组的装机总量逐年增加。由于风电机组多数安装在野外,容易受到外界环境的影响发生故障。其齿轮箱发生故障的概率和维修费用比其他组成部件都要高,因此研究有效的齿轮箱故障诊断方法对保证风电机组正常运行尤为重要。本文针对齿轮箱的故障诊断技术进行了研究,具体内容如下:首先研究了齿轮箱齿轮常见的故障类型和齿轮目前常用的诊断方法,分析了其优缺点,并选用振动信号来研究齿轮故障。分析了齿轮振动的主要来源和机理,介绍了齿轮振动中的常见参数和频谱的主要成分组成。根据齿轮振动的数学模型,分析了不同故障对数学模型的影响,从而明确了齿轮发生不同故障时频谱的主要特征。通过了解双馈式风电机组的工作原理以及其组成结构,根据相应的原理选择硬件型号搭建了风电机组实验平台的机械部分和控制部分,实验台可以实现变速恒频运行。选择了加速度振动传感器和信号采集仪型号,通过实验获取了实验台在不同转速下正常齿轮和断齿齿轮的振动信号,并根据第二章研究的频谱特征对实验台振动信号进行傅里叶频谱分析,对比了正常齿轮和故障齿轮的区别,验证了频谱特征的正确性。研究了时频域信号处理方法经验模态分解的分解原理以及经验小波变换的分解原理,根据齿轮箱信号类型构建了仿真信号,对比了两种方法对仿真信号的分解结果,验证了经验小波变换的优越性。引入尺度空间理论对EWT分解过程中频带划分进行了优化,对比了Means法、概率论方法、Ostu法、K-means聚类法,Empirical law法五种方法对振动信号的频带划分结果,选用Empirical law法确定频带划分的阈值,确定了优化的经验小波变换算法（SSEWT）,为实验台振动信号分析提供了理论依据。最后用改进的经验小波变换算法（SSEWT）对实验台提取的振动信号进行分解,根据峭度指标筛选出了齿轮正常和断齿故障的冲击性分量,对其进行希尔伯特包络谱分析,对比直接对傅里叶频谱分析,希尔伯特包络谱更好的区别了正常齿轮和断齿齿轮,实现了断齿齿轮的故障诊断。
邹雪[9]（2020）在《基于多小波的电子系统故障诊断系统的研究》文中提出随着电子技术的快速更迭,电子系统逐渐趋于高度集成化和自动化。电子系统在运行过程中,易受温度、环境等因素的影响,出现各类故障,进而影响工农业的生产和设备的正常运转,甚至会危及生命财产安全。因此,电子系统的故障诊断系统研究具有较高的实际意义和应用价值。由于在电动机系统中设置检测点较为困难,因此采用非接触式方法对电机系统进行故障分析。非接触式方法通过采集设备工作时自身产生的电磁辐射来进行检测,适合于电动机等电流大或瞬态变化大的情况。通过天线来获取电动机工作过程中产生的电磁特征数据,本文提出了利用GHM（Geronimo Hardin Massopust）多小波变换和k-means聚类分析的故障诊断方法,进行对应的数据分析,建立电磁特征库,实现对故障的判别。论文主要内容包括以下4个方面:1、对故障诊断系统的现有方法和技术进行了分析研究,提出本文所研究的整体框架。主要分析了几种常见电子系统故障的信号获取方法,包括电流法、振动法、温度法、电磁辐射特征法,并选定电磁辐射特征法作为论文中故障信号的获取方法。2、故障诊断系统的硬件和软件设计。硬件系统包括信号接收天线、人工电源网络、信号接收模块及信号传输模块的设计。软件算法的设计包括使用GHM多小波变换实现信号的特征提取,运用K-means分析算法对提取到的数据进行聚类,构建电磁辐射特征库,以及图形用户界面设计,构建了完整的基于多小波电子系统故障诊断系统。3、通过使用小波变换、多小波变换和聚类分析对采集的数据进行分析,并对比了小波变换和多小波变换的去噪效果,发现多小波变换方法能更好的提取故障的特征信息,接着使用聚类分析方法对故障数据进行分类,将两者结合,实现了基于多小波变换和聚类方法相结合的故障诊断方案。4、在完成基本的软硬件系统设计后,选定电动升降杆为实例,开展系统场地实测,通过研究电动升降杆的工作原理及故障机理分析,结合电磁辐射测试数据的特点,对采集的数据进行分频段处理。试验结果表明,与传统的故障诊断系统相比,本文所提出的故障诊断方法缩短了诊断时间,提高了故障诊断识别的准确率。通过系统软硬件的设计和对应算法的研究,选用某型号电动升降杆为实例开展试验研究,对比传统的故障诊断方法,缩短了故障诊断的时间,提高了故障诊断的准确率,验证了基于多小波的电子系统故障诊断系统的可行性和创新性,且已成功应用于某企业的故障维修诊断系统当中,具备良好的应用前景。
牛齐明[10]（2019）在《基于PHM技术的高铁装备健康状态智能分析模型研究》文中研究说明故障预测与健康管理在军事、核电等领域已经有很多研究和应用,但是对安全性和可靠性要求很高的高铁领域对故障预测与健康管理还需要进一步的深入研究。高铁装备的故障预测与健康管理技术通过检测和监测关键零件和部件的健康状态,评估已有的故障,给高铁装备的维修维护工作以辅助建议,这对避免灾难性的事故发生,确保高铁装备的安全和系统能发挥最大的效益具有重要的意义。基于此本文提出了一个通用的高铁装备故障预测与健康管理理论模型,并研究了高速动车组故障预测与健康管理健康分析中的两个重要问题:状态监测的特征提取和健康状态评估,并以轴承为实例进行了分析。探索构建适用于多种部件、系统和装备的通用高铁理论故障预测与健康管理模型,对于建立具体的故障预测与健康管理系统具有重要的理论意义和实际的指导作用。状态监测的特征提取结果是健康状态的一种有效表示,同时状态监测的特征提取也是健康状态分析任务的关键步骤之一。健康评估是指以一定的方法和措施来评价、评估高速动车组整体或部件所处健康状况以便于用户做出相应的运用或维修等决策工作。健康状态评估作为故障预测与健康管理中的关键技术是实现健康管理的前提和基础。本文以高速动车组牵引电机滚动轴承监测大数据为研究实例,用小波分析理论、动力学理论和人工神经网络理论为理论支撑,结合高速列车的实际应用建立模型,对滚动轴承的故障预测与健康管理进行研究。从高铁装备健康状态监测、健康状况评估的角度出发,解决了部分基于大数据的故障预测与健康管理理论与应用难题。本文取得的主要研究成果如下:（1）本文从高速铁路的角度出发结合开发故障预测与健康管理算法的实践初步提出了高铁装备故障预测与健康管理理论模型,并基于理论模型构建出高速动车组故障预测与健康管理功能模型和系统架构,以期为我国高铁故障预测与健康管理的健康发展提供理论参考和实际的指导。（2）最近,一些研究人员用组合方法,来提高状态监测精度。然而,对于计算效率和鲁棒性,并没有着重考虑。本文提出了一个双树复小波包变换和变分模态分解的特征抽取混合模型。这个模型把小波分析技术和变分模态分解整合在一个框架里。该模型尤其适合于监测强噪声背景下滚动轴承早期故障信号。在标准CWRU数据库上的实验和仿真实验检验了该模型监测滚动轴承早期故障的有效性。（3）本文提出了一种基于Tensor Flow的在线序贯极限学习机的健康状况评估组合模型。利用健康状况准确率指标来评价TOSELM算法的性能。为了验证所提出模型的有效性通过公共数据集和高速动车组牵引电机球轴承数据集用BP、ELM和TOSELM三个模型进行了多组实验,得到的结果表明,TOSELM模型是一种有效的轴承健康状态评估模型。所提模型能提高大数据背景下的计算效率和分析结果的可靠性。此模型解决了高速动车组牵引电机球轴承的健康状况评估问题,从而保障了高速列车运行安全。上述研究成果可应用于高铁装备的故障预测与健康管理系统和在途健康状态监测中,为进一步优化高速动车组状态维修策略提供技术支撑;对提高高铁装备的可靠性和安全性,降低运行维修的成本,具有重要的工程意义和理论价值。
二、用频谱分析法正确处理电动机振动故障（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、用频谱分析法正确处理电动机振动故障（论文提纲范文）
（1）矿用异步电机故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 矿用异步电机转子故障诊断研究现状 |
| 1.2.2 矿用异步电机故障特征特提取方法现状 |
| 1.2.3 矿用异步电机故障类型识别方法现状 |
| 1.3 研究目标及主要内容 |
| 2 矿用异步电机故障特征机理分析 |
| 2.1 概述 |
| 2.2 笼型异步电机基本结构 |
| 2.3 转子断条故障特征分析 |
| 2.4 气隙偏心故障特征分析 |
| 2.5 基于ANSYS Maxwell的电机建模与有限元仿真验证 |
| 2.5.1 有限元分析方法概述 |
| 2.5.2 故障电机的建模方法 |
| 2.5.3 定子电流仿真结果分析 |
| 2.6 本章小结 |
| 3 基于MEEMD的异步电机故障特征提取 |
| 3.1 概述 |
| 3.2 经验模态分解理论 |
| 3.2.1 EMD理论 |
| 3.2.2 EEMD理论 |
| 3.2.3 CEEMD理论 |
| 3.2.4 MEEMD理论 |
| 3.2.5 各经验模态分解法仿真分析 |
| 3.3 相关系数法理论 |
| 3.4 能量熵理论 |
| 3.5 基于MEEMD-能量熵的故障特征向量构造仿真 |
| 3.5.1 矿用异步电机定子电流数据的MEEMD分解 |
| 3.5.2 基于能量熵的故障特征向量构成 |
| 3.6 本章小结 |
| 4 基于BPNN的异步电机故障类型识别 |
| 4.1 概述 |
| 4.2 人工神经网络理论 |
| 4.3 前馈神经网络理论 |
| 4.3.1 BPNN的结构 |
| 4.3.2 BPNN的原理 |
| 4.4 基于BPNN的故障类型识别仿真 |
| 4.4.1 BPNN的设计 |
| 4.4.2 故障识别结果 |
| 4.4.3 相关算法对比分析 |
| 4.6 本章小结 |
| 5 矿用异步电机故障诊断系统设计 |
| 5.1 概述 |
| 5.2 系统硬件设计 |
| 5.2.1 核心处理模块的选择 |
| 5.2.2 信号采集与调理电路的设计 |
| 5.2.3 模数转换电路的设计 |
| 5.2.4 串口通信电路的设计 |
| 5.2.5 硬件电路的设计结果 |
| 5.3 系统软件设计 |
| 5.3.1 主程序设计 |
| 5.3.2 数据采样模块程序设计 |
| 5.3.3 基于STM32Cube MX的数据处理模块程序设计 |
| 5.4 本章小结 |
| 6 实验分析 |
| 6.1 概述 |
| 6.2 实验平台搭建 |
| 6.3 实验数据分析 |
| 6.3.1 基于频谱的数据分析 |
| 6.3.2 基于MEEMD-BPNN的数据分析 |
| 6.3.3 基于STM32Cube MX的数据分析 |
| 6.4 本章小节 |
| 7 总结与展望 |
| 7.1 工作总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（2）基于MCSA与高阶谱的异步电机故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 异步电机故障诊断的国内外发展概括 |
| 1.2.2 异步电机故障诊断方法的研究现状 |
| 1.3 论文主要章节内容 |
| 2 异步电机故障诊断分析基础 |
| 2.1 异步电机的内部结构及其工作原理 |
| 2.1.1 电机内部结构 |
| 2.1.2 电机工作原理 |
| 2.2 异步电机故障时的电流特征 |
| 2.2.1 定子匝间短路故障的电流特征 |
| 2.2.2 转子断条故障的电流特征 |
| 2.3 异步电机故障模拟实验平台搭建 |
| 2.3.1 定子匝间短路故障模拟 |
| 2.3.2 转子断条故障模拟 |
| 2.3.3 实验数据采集 |
| 2.4 本章小结 |
| 3 异步电机定子匝间短路故障检测的方法 |
| 3.1 异步电机定子匝间短路故障机理分析 |
| 3.2 基于高阶谱的异步电机定子匝间短路故障检测方法 |
| 3.2.1 高阶谱分析理论 |
| 3.2.2 双谱理论 |
| 3.2.3 基于双谱理论的故障特征提取 |
| 3.3 实验验证与结果分析 |
| 3.4 本章小结 |
| 4 异步电机转子断条故障检测的方法 |
| 4.1 异步电机转子断条故障机理分析 |
| 4.2 恒定负载条件下异步电机转子断条故障检测方法 |
| 4.2.1 异步电机恒定负载状况分析 |
| 4.2.2 基于VMD与 FFT算法的转子断条故障检测结果分析 |
| 4.2.3 基于双谱理论的异步电机转子断条故障检测结果分析 |
| 4.3 突变负载条件下异步电机转子断条故障检测方法 |
| 4.3.1 异步电机突变负载状况分析 |
| 4.3.2 负载突变对故障特征提取的影响 |
| 4.3.3 基于双谱理论的转子断条故障检测结果分析 |
| 4.4 本章小结 |
| 5 基于支持向量机的异步电机故障识别方法 |
| 5.1 支持向量机理论及应用 |
| 5.1.1 支持向量机基本思想 |
| 5.1.2 核函数 |
| 5.1.3 支持向量机的故障诊断方法 |
| 5.2 基于支持向量机(SVM)的电机故障识别 |
| 5.2.1 双谱切片的故障特征值选取 |
| 5.2.2 基于SVM的电机故障识别结果 |
| 5.3 本章小结 |
| 6 结论和展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）齿轮传动系统复合故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的意义 |
| 1.2 国内外研究现状 |
| 1.3 齿轮和轴承的失效形式与信号特征 |
| 1.3.1 齿轮的失效形式与信号特征 |
| 1.3.2 轴承的失效形式与信号特征 |
| 1.4 齿轮传动系统故障诊断方法 |
| 1.4.1 基于振动信号的齿轮传动系统故障诊断方法 |
| 1.4.2 基于电流分析的故障诊断方法 |
| 1.4.3 基于声音信号的故障诊断方法 |
| 1.4.4 基于声发射的故障诊断方法 |
| 1.5 研究现状总结 |
| 1.6 本文的研究思路和研究内容 |
| 1.6.1 本文研究思路 |
| 1.6.2 本文研究内容 |
| 第2章 基于动力学模型的多级齿轮系统复合故障分析 |
| 2.1 齿轮故障试验台 |
| 2.2 时变啮合刚度 |
| 2.2.1 正常状态齿轮啮合刚度 |
| 2.2.2 齿轮裂纹故障啮合刚度计算 |
| 2.2.3 齿轮断齿故障啮合刚度计算 |
| 2.2.4 时变啮合刚度计算 |
| 2.3 齿轮传动系统传动系统动力学模型 |
| 2.4 动力学模型的仿真结果及分析 |
| 2.4.1 正常状态下的齿轮传动系统动力学分析 |
| 2.4.2 复合故障状态下的齿轮传动系统动力学分析 |
| 2.5 本章小结 |
| 第3章 基于EWT-MCKD的齿轮传动系统复合故障诊断方法 |
| 3.1 经验小波变换理论 |
| 3.1.1 EWT方法基本原理 |
| 3.1.2 EWT尺度函数与小波函数 |
| 3.2 MCKD方法 |
| 3.2.1 MCKD基本原理 |
| 3.2.2 MCKD参数选择 |
| 3.3 EWT-MCKD故障诊断方法 |
| 3.3.1 EWT-MCKD方法 |
| 3.3.2 仿真信号验证 |
| 3.3.3 实测信号验证 |
| 3.4 本章小结 |
| 第4章 基于QGA的 MCKD参数自适应选择方法 |
| 4.1 量子遗传算法理论 |
| 4.2 QGA-MCKD复合故障诊断方法 |
| 4.3 基于QGA-MCKD的仿真信号分析 |
| 4.4 基于QGA-MCKD的实测信号分析 |
| 4.4.1 行星轮断齿和轴承滚动体损伤复合故障的诊断 |
| 4.4.2 行星齿轮磨损和轴承外圈损伤复合故障的诊断 |
| 4.5 本章小结 |
| 第5章 基于Wilcoxon秩和检验-最大幅值选择法的齿轮传动系统故障诊断 |
| 5.1 Wilcoxon秩和检验-最大幅值选择法简介 |
| 5.2 基于WTMAS的齿轮传动系统故障诊断方法步骤 |
| 5.2.1 基于WTMAS的齿轮传动系统故障诊断方法的整体流程 |
| 5.2.2 数据采集 |
| 5.2.3 数据预处理 |
| 5.2.4 特征提取和分类 |
| 5.3 试验设计 |
| 5.4 实测信号分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（4）电动机及离心泵组在线监测与故障诊断方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外的研究现状及分析 |
| 1.2.2 电动机故障诊断技术研究 |
| 1.2.3 离心泵故障诊断技术研究 |
| 1.3 课题来源及研究的主要内容 |
| 第二章 电动机及离心泵组故障诊断机理 |
| 2.1 电动机结构和原理 |
| 2.1.1 三相异步电动机的结构 |
| 2.1.2 三相异步电动机工作原理 |
| 2.2 电动机转子断条故障机理 |
| 2.2.1 电动机转子断条电流信号特征 |
| 2.2.2 电动机转子断条振动信号特征 |
| 2.3 电动机气隙偏心故障机理 |
| 2.3.1 电动机气隙偏心电流信号特征 |
| 2.4 感应电动机轴承故障机理 |
| 2.4.1 电动机轴承故障振动信号特征 |
| 2.5 绕组短路故障机理 |
| 2.5.1 电动机绕组短路振动信号故障特征 |
| 2.6 离心泵结构及原理 |
| 2.6.1 离心泵结构 |
| 2.6.2 离心泵原理 |
| 2.7 离心泵汽蚀特性 |
| 2.7.1 汽蚀机理 |
| 2.7.2 汽蚀余量 |
| 2.7.3 汽蚀与振动 |
| 2.8 离心泵流量与振动 |
| 2.9 管道应力分析 |
| 2.9.1 管道柔性化设计 |
| 2.9.2 泵管道支架设计 |
| 2.10 离心泵内部结构故障机理 |
| 第三章 电动机转子断条故障诊断研究与分析 |
| 3.1 引言 |
| 3.2 电动机故障诊断试验台设计方案 |
| 3.2.1 实验平台的搭建 |
| 3.3 传感器的选择与测点布置 |
| 3.3.1 振动传感器 |
| 3.3.2 电流传感器 |
| 3.3.3 转速传感器 |
| 3.4 测点布置及安装方式 |
| 3.5 数据采集平台搭建 |
| 3.6 电动机断条故障加工方案 |
| 3.7 电动机转子断条实验分析 |
| 3.7.1 三相异步电动机断条故障仿真分析 |
| 3.7.2 基于电流信号的转子断条故障诊断 |
| 3.7.3 基于振动信号的转子断条故障诊断 |
| 3.8 本章小结 |
| 第四章 离心泵入口管路的三通过滤器模型建立与数值模拟 |
| 4.1 引言 |
| 4.2 几何模型建立 |
| 4.3 网格划分 |
| 4.4 湍流模型的选择 |
| 4.4.1 流体动力学基本方程 |
| 4.4.2 常见湍流模型及用法 |
| 4.5 边界条件设置 |
| 4.6 模拟结果及分析 |
| 4.6.1 不同流速状态下速度场对比分析 |
| 4.6.2 不同流速状态下压力场对比分析 |
| 4.7 本章小结 |
| 第五章 某电厂脱硫泵机组设备振动抑制方法研究 |
| 5.1 引言 |
| 5.2 设备振动监测数据分析 |
| 5.2.1 测点布置 |
| 5.2.2 数据采集 |
| 5.2.3 数据分析 |
| 5.2.4 建议采取措施 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 专业学位硕士研究生学位论文答辩委员会决议书 |
（5）车用微特电机的振动噪声分析及优化（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及其意义 |
| 1.1.1 本文研究的背景 |
| 1.1.2 本文研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的研究方法和内容 |
| 1.3.1 本文的研究方法 |
| 1.3.2 本文的研究内容 |
| 第二章 微特电机振动噪声特性 |
| 2.1 微特电机的振动噪声 |
| 2.1.1 微特电机噪声的种类 |
| 2.1.2 微特电机的振动 |
| 2.2 微特电机振动噪声的采集 |
| 2.2.1 电机噪声测定的声学环境 |
| 2.2.2 检测噪声的特点和方法 |
| 2.3 振动噪声的评价 |
| 2.3.1 主观评价 |
| 2.3.2 客观评价 |
| 2.4 微特电机振动噪声的分析方法 |
| 2.4.1 时域分析方法 |
| 2.4.2 频域分析方法 |
| 2.4.3 时频分析方法 |
| 2.5 本章小结 |
| 第三章 雨刮电机振动噪声测试分析及优化 |
| 3.1 雨刮电机结构和工作原理 |
| 3.1.1 雨刮电机的结构 |
| 3.1.2 雨刮电机的工作原理 |
| 3.2 雨刮电机噪声问题分析 |
| 3.3 电机振动噪声测试 |
| 3.3.1 试验对象及设备 |
| 3.3.2 实车试验方案与分析 |
| 3.3.3 实验室电机噪声分析 |
| 3.4 故障原因确认 |
| 3.4.1 影响机理分析 |
| 3.4.2 生产过程确认 |
| 3.5 优化措施及效果验证 |
| 3.6 本章小结 |
| 第四章 座椅电机振动噪声测试分析及优化 |
| 4.1 座椅电机的功能和基本构成 |
| 4.2 座椅电机的工作原理 |
| 4.3 座椅电机的振动噪音问题实际案例 |
| 4.3.1 故障电机问题确认 |
| 4.3.2 电机噪音测试 |
| 4.3.3 换件测试及原因排查 |
| 4.4 本章小结 |
| 第五章 天窗电机振动噪声测试分析及优化 |
| 5.1 天窗电机的功能和结构 |
| 5.2 天窗电机的工作原理 |
| 5.3 天窗电机振动噪声问题分析 |
| 5.3.1 故障电机问题确认 |
| 5.3.2 电机噪音测试 |
| 5.3.3 故障原因分析 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
（6）基于感应电机参数辨识的转子断条与偏心故障诊断方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 感应电机主要故障类型及其产生原因 |
| 1.3 转子断条和气隙偏心故障诊断方法研究现状及存在问题 |
| 1.3.1 研究现状 |
| 1.3.2 存在问题 |
| 1.4 论文的主要工作及安排 |
| 第二章 感应电机故障多回路建模及参数辨识理论 |
| 2.1 感应电机多回路模型 |
| 2.2 坐标变换理论 |
| 2.3 感应电机参数辨识算法 |
| 2.3.1 粒子群算法原理及其参数选择 |
| 2.3.2 模拟退火算法原理及其参数选择 |
| 2.3.3 粒子群-模拟退火融合算法 |
| 2.4 感应电机负载转矩特性 |
| 2.5 本章小结 |
| 第三章 基于参数辨识的断条与偏心故障诊断模型 |
| 3.1 感应电机正常状态dcqc0坐标模型 |
| 3.2 感应电机转子断条故障建模 |
| 3.2.1 转子导条断裂模型 |
| 3.2.2 转子端环断裂模型 |
| 3.3 感应电机气隙偏心故障建模 |
| 3.3.1 转子气隙偏心电感计算 |
| 3.3.2 转子气隙偏心模型 |
| 3.4 感应电机故障特征等效参数 |
| 3.4.1 转子断条 |
| 3.4.2 转子气隙偏心 |
| 3.4.3 计及温升的故障模型辨识量分析 |
| 3.5 本章小结 |
| 第四章 基于参数辨识的断条与偏心故障诊断方法研究 |
| 4.1 转子断条参数辨识 |
| 4.2 气隙偏心参数辨识 |
| 4.3 实例电机参数辨识 |
| 4.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）基于自混合光栅干涉的电机电气故障检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究目的和意义 |
| 1.2 电机故障诊断技术的现状与发展 |
| 1.2.1 信号采集方法的研究现状 |
| 1.2.2 信号处理方法的研究现状 |
| 1.3 激光自混合干涉测振技术的研究现状 |
| 1.4 论文结构及内容安排 |
| 第二章 电动机电气故障诊断机理分析 |
| 2.1 引言 |
| 2.2 异步电机的电气故障机理分析及其特性 |
| 2.2.1 定子绕组匝间故障机理分析 |
| 2.2.2 转子断条故障机理分析 |
| 2.2.3 缺相运行故障机理分析 |
| 2.3 电机的振动检测技术 |
| 2.4 本章小结 |
| 第三章 基于自混合光栅干涉的振动检测技术研究 |
| 3.1 引言 |
| 3.2 SMI的理论模型 |
| 3.3 一阶衍射的自混合光栅干涉的理论模型 |
| 3.4 一阶衍射的自混合光栅干涉技术的仿真和实验验证 |
| 3.5 本章小结 |
| 第四章 基于差分技术的SMGI振动检测技术研究 |
| 4.1 引言 |
| 4.2 基于二阶衍射的SMGI振动检测技术 |
| 4.3 基于差分技术的SMGI振动检测 |
| 4.4 基于差分技术的SMGI振动检测实验验证 |
| 4.4.1 实验装置 |
| 4.4.2 实验设备介绍 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第五章 激光自混合光栅干涉技术在电机电气故障中的应用 |
| 5.1 前言 |
| 5.2 基于差分技术的SMGI振动测量的电机故障监测系统 |
| 5.3 实验结果与频谱分析 |
| 5.3.1 电机正常运行时SMGI信号观察与频谱分析结果 |
| 5.3.2 电机发生A相缺相故障时SMGI信号观察与频谱分析结果 |
| 5.3.3 电机发生定子绕组匝间故障时SMGI信号观察与频谱分析结果 |
| 5.3.4 电机发生转子断条故障时SMGI信号观察与频谱分析结果 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 作者简介、发表文章及研究成果目录 |
| 致谢 |
（8）基于改进经验小波变换的风电机组齿轮箱故障诊断（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 课题背景 |
| 1.2 课题意义 |
| 1.3 风电机组齿轮箱故障研究现状 |
| 1.3.1 齿轮箱故障诊断方法现状 |
| 1.3.2 齿轮箱振动信号分析方法现状 |
| 1.4 论文主要研究内容 |
| 2 齿轮振动机理及特征分析 |
| 2.1 齿轮的失效形式 |
| 2.2 齿轮的振动机理 |
| 2.2.1 齿轮振动的原因 |
| 2.2.2 齿轮振动的基本参数 |
| 2.2.3 齿轮振动的数学模型 |
| 2.3 齿轮振动信号频谱特征分析 |
| 2.3.1 齿轮振动信号频谱的主要成分 |
| 2.3.2 齿轮典型故障对应的频谱特征 |
| 2.4 本章小结 |
| 3 风电机组实验台搭建及振动信号分析 |
| 3.1 双馈风力发电机组原理 |
| 3.1.1 双馈风力发电机组的基本结构 |
| 3.1.2 变速恒频运行原理 |
| 3.2 风电机组实验台搭建 |
| 3.2.1 实验台机械部分结构及功能 |
| 3.2.2 实验台控制部分结构 |
| 3.2.3 齿轮箱振动信号的采集 |
| 3.3 振动信号傅里叶频谱分析 |
| 3.3.1 齿轮箱主要参数 |
| 3.3.2 频谱分析 |
| 3.4 本章小结 |
| 4 改进经验小波变换算法的研究 |
| 4.1 EWT与EMD的对比分析 |
| 4.1.1 EMD算法的原理 |
| 4.1.2 EWT算法的原理 |
| 4.1.3 EWT与EMD仿真信号对比分析 |
| 4.2 EWT频带划分算法改进 |
| 4.2.1 EWT频带划分方法 |
| 4.2.2 尺度空间理论 |
| 4.2.3 尺度空间阈值的确定 |
| 4.3 基于尺度空间的改进EWT算法研究 |
| 4.3.1 不同尺度空间算法对比分析 |
| 4.3.2 频带划分结果对比 |
| 4.4 本章小结 |
| 5 基于SSEWT和希尔伯特变换的齿轮故障诊断 |
| 5.1 希尔伯特包络谱分析法 |
| 5.2 实验台振动信号包络谱分析 |
| 5.2.1 主动电机 200r/min时振动信号分析 |
| 5.2.2 主动电机 500r/min时振动信号分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（9）基于多小波的电子系统故障诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究发展现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 传统的电磁辐射故障诊断系统 |
| 1.3 本文主要研究内容 |
| 1.4 论文结构安排 |
| 第2章 系统需求分析与总体框架设计 |
| 2.1 系统需求 |
| 2.2 系统总体框架设计 |
| 2.2.1 故障诊断系统总框架设计 |
| 2.2.2 测试环境 |
| 2.3 本章小结 |
| 第3章 故障诊断分类与相关机理分析 |
| 3.1 故障信号获取方法 |
| 3.1.1 电流法 |
| 3.1.2 振动法 |
| 3.1.3 温度法 |
| 3.1.4 电磁辐射特征法 |
| 3.2 故障信号分析方法 |
| 3.2.1 时域分析法 |
| 3.2.2 频域分析法 |
| 3.3 多小波分析方法 |
| 3.3.1 傅里叶变换 |
| 3.3.2 小波变换 |
| 3.3.3 多小波变换 |
| 3.3.4 聚类分析 |
| 3.3.5 多小波变换与聚类分析方法 |
| 3.4 本章小结 |
| 第4章 系统的软硬件设计 |
| 4.1 系统硬件设计 |
| 4.1.1 辐射信号接收天线 |
| 4.1.2 人工电源网络模块设计 |
| 4.1.3 信号接收模块的设计 |
| 4.1.4 信号传输模块的设计 |
| 4.2 系统软件设计 |
| 4.2.1 系统软件设计 |
| 4.2.2 故障诊断流程图 |
| 4.2.3 信号特征提取 |
| 4.2.4 测试数据分类 |
| 4.2.5 电磁辐射特征库的建立 |
| 4.2.6 用户界面设计 |
| 4.3 软硬件系统功能测试 |
| 4.4 本章小结 |
| 第5章 故障诊断系统的试验研究 |
| 5.1 电动升降杆故障诊断系统试验流程 |
| 5.2 系统试验分析 |
| 5.2.1 电动升降杆故障机理分析 |
| 5.2.2 电磁信号去噪和特征提取 |
| 5.2.3 电磁辐射数据特征库的匹配 |
| 5.2.4 诊断结果分析 |
| 5.3 试验对比分析 |
| 5.3.1 与人工检测结果的比较 |
| 5.3.2 与小波分析的故障诊断方法比较 |
| 5.3.3 与支持向量机故障诊断方法的比较 |
| 5.4 本章小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得学术成果 |
（10）基于PHM技术的高铁装备健康状态智能分析模型研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 高铁装备PHM研究现状 |
| 1.3 主要研究内容 |
| 1.4 各章内容介绍 |
| 2 高铁装备PHM理论体系 |
| 2.1 高铁装备PHM的理论系统 |
| 2.2 高铁装备PHM的业务系统 |
| 2.3 高铁装备PHM的技术方法 |
| 2.4 高铁装备PHM的管理系统 |
| 2.5 高铁装备PHM的应用系统 |
| 2.6 高铁装备健康状态分析研究中的关键科学问题 |
| 2.7 本章小结 |
| 3 面向高铁装备PHM的理论模型 |
| 3.1 小波分析的理论模型 |
| 3.2 滚动轴承动力学的理论模型 |
| 3.3 人工神经网络理论模型 |
| 3.4 本章小结 |
| 4 特征提取方法 |
| 4.1 引言 |
| 4.2 健康监测方法分类 |
| 4.3 滚动轴承的背景知识 |
| 4.4 基于双树复小波包变换和变分模态分解的特征抽取模型 |
| 4.5 实验分析 |
| 4.6 本章小结 |
| 5 基于高铁装备的健康状态评估模型 |
| 5.1 引言 |
| 5.2 大数据分析理论 |
| 5.3 球轴承健康状态划分的问题 |
| 5.4 神经网络 |
| 5.5 基于Tensor Flow的在线极限学习机模型 |
| 5.6 实验分析 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 学位论文数据集 |
四、用频谱分析法正确处理电动机振动故障（论文参考文献）
- [1]矿用异步电机故障诊断研究[D]. 孔晨再. 西安科技大学, 2021(02)
- [2]基于MCSA与高阶谱的异步电机故障诊断方法研究[D]. 籍超男. 安徽理工大学, 2020(07)
- [3]齿轮传动系统复合故障诊断技术研究[D]. 吕轩. 燕山大学, 2020(07)
- [4]电动机及离心泵组在线监测与故障诊断方法研究[D]. 郭小帅. 北京化工大学, 2020(02)
- [5]车用微特电机的振动噪声分析及优化[D]. 王卫成. 湖南大学, 2020(12)
- [6]基于感应电机参数辨识的转子断条与偏心故障诊断方法[D]. 吴立泉. 华南理工大学, 2020(02)
- [7]基于自混合光栅干涉的电机电气故障检测研究[D]. 张慧桢. 东北石油大学, 2020
- [8]基于改进经验小波变换的风电机组齿轮箱故障诊断[D]. 赵阳. 北京交通大学, 2020(03)
- [9]基于多小波的电子系统故障诊断系统的研究[D]. 邹雪. 成都理工大学, 2020(04)
- [10]基于PHM技术的高铁装备健康状态智能分析模型研究[D]. 牛齐明. 北京交通大学, 2019